head_dataset

dataset['country'].isnull().sum()

""" 
On va rajouter une colonne qui va nous permettre de savoir si le film est internationnal ou non
Dans la colonne listed_in il y a les catagories de films 'International Movies' et 'International TV Shows'
"""

# On crée une fonction qui va nous permettre de savoir si le film est international ou non
def is_international(liste_genre):
    try:
        liste_genre = [genre.strip() for genre in liste_genre.split(',')]
        for genre in liste_genre:
            if re.match('^International Movies$', genre) or re.match('^International TV Shows$', genre):
                return 1
            else:
                return 0
    except:
        pass


# On applique la fonction à la colonne listed_in
dataset['is_international'] = dataset['listed_in'].apply(is_international)
dataset['is_international'].value_counts()
# On voit qu'il y a 2430 films internationaux et 5377 films non internationaux

top_genre_movies = dataset_movies['listed_in'].str.split(',').explode().str.strip().value_counts()
top_genre_tv_shows = dataset_tv_shows['listed_in'].str.split(',').explode().str.strip().value_counts()

html_output = f"<div style='display: flex;'><div style='margin-right: 20px;'>{top_genre_movies.to_frame().to_html()}</div><div>{top_genre_tv_shows.to_frame().to_html()}</div></div>"
display(HTML(html_output))

fig = make_subplots(rows=2, 
                    cols=1, 
                    subplot_titles=['Nombre de films par genre', 'Nombre de Tv Shows par genre'],
                    shared_xaxes=False
                    )
fig.add_trace(go.Bar(x=top_genre_movies.index, y=top_genre_movies.values, name='Movie'), row=1, col=1)

fig.add_trace(go.Bar(x=top_genre_tv_shows.index, y=top_genre_tv_shows.values, name='Tv Show'), row=2, col=1)

fig.update_layout(height=750, width=800)
fig.show()

pays_producteurs = dataset['country'].str.split(',').explode().str.strip().unique()

pays_producteurs = pd.DataFrame(pays_producteurs, columns=['Pays'])

fig = px.choropleth(pays_producteurs, locations="Pays", color_discrete_sequence=["red"], locationmode="country names")
fig.update_layout(title_text='Pays producteur de contenu sur Netflix', title_x=0.5)
fig.show()

volume_production_pays = dataset['country'].str.split(',').explode().str.strip().value_counts()

volume_production_pays

fig = go.Figure()
fig.add_trace(go.Bar(x=volume_production_pays.index, 
                     y=volume_production_pays.values, 
                     text=volume_production_pays.values, 
                     texttemplate='%{text:.2s}', 
                     textposition='outside')
                     )
fig.update_layout(title_text='Volume de production par pays', title_x=0.5)
fig.show()


data = {'Pays': volume_production_pays.index, 'Volume de production': volume_production_pays.values}
df = pd.DataFrame(data)

fig = px.choropleth(df, locations="Pays", color="Volume de production", color_continuous_scale=px.colors.sequential.OrRd,  range_color=[1, 500], locationmode="country names")
fig.update_layout(title_text='Production de contenu par pays', title_x=0.5)

fig.show()

labels_m = [genre for genre in top_genre_country_movie['Genre']]
parents_m = ['' for i in range(len(top_genre_country_movie))]
values_m = [valeur for valeur in top_genre_country_movie['Valeurs']]
pays_m = [p for p in top_genre_country_movie['Pays']]

# je créer un DataFrame avec les listes pays, labels, values et parents
data_m = {'Pays': pays_m, 'labels': labels_m, 'values': values_m, 'parents': parents_m}
df_m = pd.DataFrame(data_m)

fig = px.treemap(df_m, path=['Pays', 'labels'], values='values', color='values', color_continuous_scale='RdBu')
fig.update_layout(title_text="Top Movie genre par pays", title_x=0.5)
fig.show()


labels_m = [genre for genre in top_genre_country_tvshow['Genre']]
parents_m = ['' for i in range(len(top_genre_country_tvshow))]
values_m = [valeur for valeur in top_genre_country_tvshow['Valeurs']]
pays_m = [p for p in top_genre_country_tvshow['Pays']]

# je créer un DataFrame avec les listes pays, labels, values et parents
data_m = {'Pays': pays_m, 'labels': labels_m, 'values': values_m, 'parents': parents_m}
df_m = pd.DataFrame(data_m)

fig = px.treemap(df_m, path=['Pays', 'labels'], values='values', color='values', color_continuous_scale='RdBu')
fig.update_layout(title_text="Top TV Show genre par pays", title_x=0.5)
fig.show()

# pour la saisonalité, faire un graphique sur le temps on voit des piques à chaque début de mois

# la date est en datetime de la forme yyyy-mm-dd

#je selectionne les années de 2017 à 2021	
liste_years = [2016, 2017, 2018,2019,2020,2021]
liste_month = ["January","February","March","April","May","June","July","August","September","October","November","December"]
# je créer une liste vide qui va contenir les résultats de la boucle
liste_release_per_month = []

# pour chaque année je compte le nombre d'occurence par mois
# pour cela j'utilise une boucle for qui va parcourir la liste des années
# je selectionne les années avec .dt.year ce qui permet de comparer les années dans e dataset avec celle de la liste
# pour chaque année je compte le nombre d'occurence par mois avec .dt.month.value_counts().sort_index()
# cela me permettra de créer un graphique avec plotly ou j'affiche les sorties par mois pour chaque année
for year in liste_years:
    dataset_year = dataset[dataset['date_added'].dt.year == year]
    result = dataset_year['date_added'].dt.month.value_counts().sort_index()
    liste_release_per_month.append({"Year": year, "Release by Month": result})

  
# je crée un subplots dans lequel je vais afficher les graphiques de 2017 à 2021
fig = make_subplots(rows=3, 
                    cols=2, 
                    shared_xaxes=False 
                    )



# je créer un graphique qui présente les genres les plus populaires par pays en utilisant la liste liste_top_genre_per_country

# je crée un boucle qui va crée des graphiques avec la fonction add_trace dans le subplots.
# la difficiulté =» je dois incrémenter le row et le col pour placer le graphique dans la bonne case pour ne pas les avoirs tous à la suite
# je rajoute une condition qui bascule sur le second fig.add_trace qui incrémente sur la colonne 2 et sur les ligne 1 et 2 de la seconde colonne.
# pour cela le numéro de la row correspond à la valeur i moins trois 
# par exemple arrivé à l'itéaration 4 cela donne i(=4) - 3 pur être sur la première ligne de la seconde colonne
for i in range(1, len(liste_release_per_month)+1):
    if i <= 3:
        fig.add_trace(go.Bar(
                x=liste_month,
                y=liste_release_per_month[i-1]['Release by Month'].values, 
                text=liste_release_per_month[i-1]['Release by Month'].values, 
                texttemplate='%{text:.2s}', 
                textposition='outside', 
                name=liste_release_per_month[i-1]['Year']), 
                row=i, 
                col=1)
    else:
        fig.add_trace(go.Bar(
                x=liste_month,
                y=liste_release_per_month[i-1]['Release by Month'].values, 
                text=liste_release_per_month[i-1]['Release by Month'].values, 
                texttemplate='%{text:.2s}', 
                textposition='outside', 
                name=liste_release_per_month[i-1]['Year']), 
                row=i-3, 
                col=2)



# Personnaliser la mise en page
fig.update_layout(height=1000, width=900)

# je rajoute une légende  centré par rapport à la carte
fig.update_layout(title_text='Sorties Netflix par mois (2016-2021)', title_x=0.5)

fig.show()

calendirer_sortie = dataset.groupby('date_added')['show_id'].count()

fig = go.Figure(
    data = go.Scatter(
        x = calendirer_sortie.index, 
        y = calendirer_sortie.values,
       ),
    layout = go.Layout(
        title = go.layout.Title(text = "Sorties Netflix (2008-2021)", x = 0.5),
        xaxis = go.layout.XAxis(title = 'Date à laquelle les sorties ont été effectuées', rangeslider = go.layout.xaxis.Rangeslider(visible = True)),
        yaxis = go.layout.YAxis(title = 'Volumz de sortie')
    )
)

fig.show(renderer="notebook_connected")